最近，劉敏一直在找新的工作機會，但過程并不順利。
原因是：之前的AI產(chǎn)品經(jīng)理經(jīng)驗在招聘方看來“充其量只能算是一個項目經(jīng)理”。
2016年科技界的“黑天鵝”——阿爾法狗出現(xiàn)之后，中國乃至世界范圍內(nèi)的AI熱情被迅速點燃，劉敏也在這一年加入了一家AI創(chuàng)業(yè)公司。
在成為AI產(chǎn)品經(jīng)理之前，她是公司的HR、市場、公關，轉型做AI產(chǎn)品經(jīng)理，她承認自己是幸運的：行業(yè)發(fā)展初期，早期入行者既積累行業(yè)經(jīng)驗，有先發(fā)優(yōu)勢，又能拿到不錯的待遇。
這也符合創(chuàng)業(yè)公司的人才培養(yǎng)路徑，從“身兼數(shù)職”到“逐漸特化”。“小公司很多時候不得不去讓大家做很多不同類型的事，但是靠后的話會有一些人逐漸特化。”
但從零做起，往往依賴“環(huán)境是否能夠帶來足夠的變化和成長，有沒有教練有意識地引導，以及自己是否有足夠清晰的職業(yè)規(guī)劃”，缺一不可。
從最為重要的行業(yè)環(huán)境來看，三年的發(fā)展，AI有個一直都未突破的瓶頸：解決單點問題能力強，但通用能力偏弱，因此輸出的產(chǎn)品還是以To B定制化方案為主。
在傳統(tǒng)技術面前，AI技術一如曾經(jīng)的互聯(lián)網(wǎng)技術一般，扮演著顛覆者和重建者的角色，也的確為安防、金融、客服等領域提供了一個個更高效的解決方案。
可是，AI公司們或許打贏了一場又一場獨立的戰(zhàn)斗，卻在戰(zhàn)役意義上陷入了始料未及的“外包化”危機。
當可以裝飾這個職業(yè)的東西隨著行業(yè)的冷靜或消失或喪失意義：風口的喧嘩、好的入局機會、外界的贊美，劉敏的幸運戛然而止。
現(xiàn)在，擺在她面前的有兩條路：要么繼續(xù)留在原公司，等待是否有真正意義上產(chǎn)品經(jīng)理的工作，補齊技能；要么離開北京，去其他城市尋找機會。
“大不了不干了”。
說完，她無奈地笑了。
產(chǎn)品經(jīng)理還是項目經(jīng)理？
“當初為什么決定轉型做AI產(chǎn)品經(jīng)理？”
劉敏的回答是：有趣，有機會去推動一個事情從0~1實現(xiàn)出來。
知乎上一個關于“為什么這么多人想當產(chǎn)品經(jīng)理？”的問題后面，有回答者總結了五大原因，劉敏的回答中了兩個。其它的三個原因分別是：收入普遍較高；入行門檻相對較低；產(chǎn)品思維可以指導生活。
但職業(yè)理想是一回事兒，工作現(xiàn)實又是另外一回事兒：三年的工作里，劉敏一直在推著項目“跑”，產(chǎn)品規(guī)劃工作經(jīng)驗少的可憐，僅有的幾次也只是Demo嘗試。
如劉敏一般，計算機技術專業(yè)畢業(yè)的黃潔，在經(jīng)歷了一段時間的技術實習后，加入了一家體量十倍于劉敏公司的某AI獨角獸公司做產(chǎn)品經(jīng)理。
在她看來，技術只是解決單個的核心問題，與這樣的縱向深鉆相比，她更喜歡有橫向視野的產(chǎn)品經(jīng)理崗位。
然而，很多一段時間里黃潔也是在扮演項目經(jīng)理角色，“制定排期、督促產(chǎn)品進度以及最終交付標準的服務......”
當然，一些“前期探索”性質(zhì)的定制化產(chǎn)品，在黃潔的眼里，和單純的定制化項目并不完全相同，“對產(chǎn)品經(jīng)理來說，它的新鮮感、價值獲得感會比較高”。
頂著產(chǎn)品經(jīng)理的頭銜干項目經(jīng)理的活兒，這背后是AI行業(yè)的落地現(xiàn)狀：除安防領域以外，幾乎沒有公司能將技術以規(guī)?；a(chǎn)品化的方式輸出，大多還是定制化產(chǎn)品，產(chǎn)品被需求牽著鼻子走。
以至于有人打趣道，“想成為一家AI公司，首先得先成為一家安防公司”。
久而久之，很多AI公司習慣了一種技術向的做事方法：“我有A我有B我有C，全都給你，你就拿去用”，產(chǎn)品的作用反而被邊緣化。
但AI技術背后的原理，知識體系往往存在著斷層，在無法將算法可視化之前，“客戶可能不想要A，也不想要B，而是想要A和C改造過后的東西”，這種技術向的服務方式其實是進一步割裂了產(chǎn)品和需求之間的關系。
事實上，客戶不只對AI技術理解存在局限，甚至對于自身的需求也有認知局限。
與C端不同，B端方案的買單方和使用者很多時候不是同一個，“比如你的客戶是某一系統(tǒng)里負責建設軟件的單位，他們來負責和你溝通跟你交流，但是真正使用軟件的可能是另外的單位，兩邊的需求并不統(tǒng)一。”
更有甚者，有的B端客戶連自己想要什么都不知道，“客戶只是有這筆錢要做建設，于是大致提一些需求，我們就開始做。開發(fā)的過程中，他們又提出一個需求，我們就會接著改。即使產(chǎn)品出來了，還要再花一年的時間迭代，最終迭代成客戶想要的樣子。”
這種現(xiàn)狀投射到AI產(chǎn)品經(jīng)理身上便成了：“天天跪甲方”，“需求完全是客戶想要，你就得給他加，即使不合理”，“售前的前期案例討論、需求討論環(huán)節(jié)，產(chǎn)品經(jīng)理也和售前的工作重合”......
困于定制化，直接導致AI行業(yè)造血能力不足之外，也影響著身處其中的每一個人。
技術先行還是產(chǎn)品先行？
“我們屬于一種新型的軟件服務商，有些公司甚至半年的時間就從幾百人擴張到了千人，還沒有那么成熟的從業(yè)人員，每個職業(yè)該做什么，區(qū)分的也不是很清楚。”
一個新的棋局，玲瓏初開，百子待落。
如果從二十年的互聯(lián)網(wǎng)歷史來俯瞰對照，這“一定會是一個動態(tài)變化的過程”。
“互聯(lián)網(wǎng)產(chǎn)品其實也是經(jīng)歷了由技術-產(chǎn)品-運營這樣發(fā)展過程,但每個階段這三個角色的重要性也在不斷的變化,從行業(yè)剛發(fā)展以技術為主導,逐漸演變成產(chǎn)品主導,到最后靠運營增長的過程。”
年輕的AI產(chǎn)品經(jīng)理們所遇到的問題只是漫長的利益調(diào)整周期的開始，而從更本質(zhì)上來說，這些問題不過是整個AI行業(yè)商業(yè)化現(xiàn)實的投射。
這波浪潮起來時，最先跳進來的不是人們熟悉的企業(yè)家，也不是站在風口之巔的互聯(lián)網(wǎng)人，而是一些守在寧靜實驗室數(shù)十年的科研人員，技術在被突破的同時，也被賦予了商業(yè)意義。
但AI技術創(chuàng)業(yè)大多是是單線程，即做的大多是原來科研時候研究的“一個點”，比如語音、視覺或者自然語言處理。但以自然語言處理為例，“僅僅做自然語言處理，缺少相對獨立且足夠大的場景，它往往會變成一個引擎或者一個特定功能上的服務。”
也就是說，AI公司用單點技術切入到別人的產(chǎn)品場景里去，等于“乙方為甲方提供服務”，“這時候真正做產(chǎn)品規(guī)劃的其實是甲方。比如國外出現(xiàn)了Siri，國內(nèi)手機廠商也想做一個手機語音助手，這時候就是它先做這個規(guī)劃，規(guī)劃好后再去找后端的技術去實現(xiàn)它，比如像我們這樣的服務廠商。”
追一科技創(chuàng)始人兼CEO吳悅就對CV智識表示，產(chǎn)品化能力不足是導致AI領域項目制大量存在的一個重要原因。“中國的企業(yè)軟件的基礎比較薄弱。過去20年，IT行業(yè)的資源都投入到了互聯(lián)網(wǎng)行業(yè)，直到最近幾年，資本和人力才逐步投入到企業(yè)軟件領域。”
如果前三年可以視為第一階段的技術創(chuàng)新期，那第二階段的技術應用時期正在不斷逼近，至于什么時候能夠在產(chǎn)品化上尋到突破，不少業(yè)內(nèi)人士都表示，只能先做，深入到行業(yè)里去，才有機會看到產(chǎn)業(yè)的全貌。
“B端市場的理解成本很高，它面向的不是大批量同一類型的用戶，而是每個行業(yè)的人群，都有自己不同的特點”。
當然，從行業(yè)現(xiàn)在發(fā)展的情況來看，不同領域之間發(fā)展的程度也并不一樣，以公安領域為例，“每家平臺的對接情況都不一樣，所以得從頭去真正了解需求，先單點做，然后再往外擴展。”
但是在其它一些領域，比如金融，“已經(jīng)有很多先行者，相對來說更加系統(tǒng)，如果再從頭做起會比較浪費，我們會和比較有經(jīng)驗的合作，雖然只做一點，但是會對通盤有了解。”
懂技術，更得懂AI的局限
AI技術長期的美好與短期的局限構成了一種充滿矛盾的并生現(xiàn)象，那么，現(xiàn)實之下，一個優(yōu)秀的AI產(chǎn)品經(jīng)理該是什么樣子的呢？
“基本上一個優(yōu)秀的傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品經(jīng)理該具備的能力AI產(chǎn)品經(jīng)理都需要有，但AI產(chǎn)品經(jīng)理對技術要求更高,知識面會更廣，除了基本的產(chǎn)品技能還要掌握AI基礎技術知識，如NLP自然語言、DL深度學習、ML機器學習、大數(shù)據(jù)等。”擁有多年產(chǎn)品經(jīng)驗的朱華告訴CV智識。
現(xiàn)在，AI公司的產(chǎn)品里一類是應用AI技術的垂直業(yè)務產(chǎn)品，另外一類是AI服務的平臺產(chǎn)品。
前者負責AI能力在細分領域的應用；后者則是對AI能力的匯總和包裝，例如各種AI開放平臺、各種云計算平臺，這就要求產(chǎn)品經(jīng)理必須熟知公司內(nèi)部的AI技術能力，還要有能力作為售前支持，為使用方提供技術咨詢。
“我們招的大多是從競品那邊跳過來的，以前也是做PM的，他們大部分都是先做技術，然后再做產(chǎn)品，有很多年工作經(jīng)驗。因為這個行業(yè)這種技術導向型的行業(yè)，你做技術了之后確實能更好地和技術去開發(fā)。”
沒有技術背景的歐明在一年前通過校招進入一家AI獨角獸公司做產(chǎn)品經(jīng)理時便感覺到自己是被撕裂在工作之外的。
“公司的操作系統(tǒng)都是Linux，這就需要懂一些Linux的指令，但是我剛來的時候真的不懂，做事就會特別慢。我一開始甚至都要從安裝部署去學習，而且很多AI產(chǎn)品都是一些很底層的，沒有前端頁面，都是一堆API接口。”
對于技術的理解決定了AI產(chǎn)品經(jīng)理如何將參數(shù)和指標轉化為用戶體驗，“產(chǎn)品天生就要做大量的妥協(xié)，價值的、成本的.....但AI產(chǎn)品經(jīng)理要在AI技術的邊界上去做取舍。”
技術也只是基本門檻，更高的要求是：理解場景，理解客戶，從而定義價值。
通俗來說，就是要考慮現(xiàn)在的AI技術能不能解決一些原來技術解決不了的問題，即使能解決，“值不值得投入資源去做，以及做的話能帶來多少收益。如果投入產(chǎn)出評估通過，還需要明確提供服務的形式，比如說做人臉識別的，究竟是賣識別這個軟件，還是把軟件以及整個門禁閘機都賣給他。”
更重要的是，他必須要在理解行業(yè)技術發(fā)展現(xiàn)實的基礎上，理解AI的局限，并且要能夠“為這些AI的技術缺陷或者局限去做相應的彌補措施。”
以智能客服產(chǎn)品為例，不論從產(chǎn)品體驗，還是從商業(yè)可行性上來說，如果產(chǎn)品經(jīng)理一上來就要做“直接代替人”的產(chǎn)品肯定不太可行的，而如果定位在“AI輔助人工”就會更容易落地。
一位曾在微軟小冰工作的技術人員向CV智識分享了一個故事：產(chǎn)品最初，從技術的角度看小冰的對話回復并不是特別理想，甚至有些無厘頭，但是當時團隊在產(chǎn)品化的過程中給小冰打上了這樣的標簽：16歲，萌妹子，“你再回頭去看她的很多回答就合理多了”。
2005年，科技學者庫茲韋爾在《奇點臨近》一書中大膽預測，“我們的未來不是再經(jīng)歷進化，而是要經(jīng)歷爆炸。”
事實上，庫茲韋爾的觀點更符合人們對于AI的想象，但對照互聯(lián)網(wǎng)公司發(fā)展史不難發(fā)現(xiàn)，很多產(chǎn)品都是一步步演進形成的。
比如Pinterest 一開始想做電商導購系統(tǒng)，但由于理念太先進而失敗，于是中間轉做圖片分享，經(jīng)過幾年之后，才又做回導購系統(tǒng)。
“一個切實可行的復雜系統(tǒng)勢必是從一個切實可行的簡單系統(tǒng)發(fā)展而來的。從頭開始設計的復雜系統(tǒng)根本不切實可行，無法修修補補讓它切實可行。你必須由一個切實可行的簡單系統(tǒng)重新開始。” 蓋爾定律所說不無道理。
結語
采訪過程中，問及黃潔，“今年行業(yè)形勢并不算好，你有感覺到客戶更冷靜了嗎？”
“客戶一直很冷靜”，她回答地很干脆。
“客戶永遠都在權衡，在解決同一個問題時，是不是AI能解決地更好。尤其是面對一些不同行業(yè)的大B客戶，我們一直都是既和同類型的AI公司，又和業(yè)界傳統(tǒng)老牌公司共同競標。”
成長總有復雜性，陣痛也是正常，AI產(chǎn)品化的局限在一定階段內(nèi)在所難免。舊水與新流的爭鋒，既有潮平兩岸闊，也有床高岸低，但趨勢終究不可擋。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
